用 AI 做项目排期估算：别让它直接报日期，先拆依赖、风险和不确定性
AI 可以辅助拆任务和找依赖，却不能凭空给出可靠日期。本文讲清工作量、关键路径、估算区间、容量、缓冲和滚动重估。
负责人问：“这个功能多久能做完？”AI 扫了一眼需求，给出“预计两周”，甚至排好了每天的任务。数字很具体，却没有说明谁来做、外部接口何时提供、测试环境是否可用，也没有把需求澄清算进工期。两周后日期没守住，团队才发现大家估算的根本不是同一件事。
AI 能帮助拆分工作、寻找依赖、比较历史案例和模拟风险，但排期不是让模型猜一个日期。可靠估算要把范围、完成标准、工作量、资源、依赖、不确定性和风险连接起来，并随着新证据更新。
日期是估算过程的输出，不是讨论开始时随口输入的答案。
先定义到底在估算什么
一句“完成搜索功能”可能只指代码合并，也可能包括设计、数据准备、权限、安全、测试、灰度、文档、培训和稳定观察。先写清交付物、包含与不包含范围、质量标准和验收证据。对象不清，任何精确日期都只是精确的误解。
把工作拆到可判断的层级
拆分不是把需求切成几十条动词，而是让每项工作有单一结果、负责人候选、前置输入与完成标准。太大的任务隐藏不确定性，太小的任务增加维护成本。通常拆到负责人能依据类似经验给出范围即可。
区分工作量、持续时间和日历时间
| 概念 | 含义 | 常见错误 |
|---|---|---|
| 工作量 | 完成任务需要投入多少劳动 | 五人天等于五人一天 |
| 持续时间 | 任务开始到结束经历多久 | 忽略等待和切换 |
| 日历时间 | 考虑周末、假期和资源后的日期 | 把理想天数直接加到今天 |
沟通、评审、环境排队和外部响应可能不增加很多工作量，却显著拉长持续时间。增加人员也会带来协作和上手成本，不能线性缩短所有任务。
先画依赖，再找关键路径
标出每项工作的输入、输出和依赖类型：必须完成后才能开始，还是可以并行；依赖由谁提供，承诺日期是什么，失败时有没有替代方案。关键路径上的延迟会直接推迟整体日期，非关键任务则可能有一定浮动空间。
外部依赖不能写成一句“配合”
将依赖记录为双向承诺：对方交付什么、格式和质量要求、最迟时间、确认人、未按时交付的影响与降级方案。AI 可以从材料中抽取依赖，但只有依赖方明确确认后，才适合进入基准计划。
用区间而不是单点表达不确定性
对关键任务分别估计乐观、较可能和悲观情形，并写出导致差异的假设。区间不是逃避承诺，而是把未知显性化。随着原型、技术验证或供应商确认完成，区间应逐步收窄。
参考历史时要找真正相似的项目
不要只因为都叫“报表”就复用工期。比较团队熟悉度、数据质量、集成数量、权限要求、质量等级和上线方式。让 AI 做参考类比时，必须同时列出相似与不同，以及哪些差异可能使本次更快或更慢。
把探索任务和交付任务分开
对于“不知道是否可行”的问题，先安排限时技术验证，产出证据和下一步判断，而不是把未知直接包装成开发任务。探索结束后重新估算，比一开始给出假装确定的完整日期更诚实。
容量不是人数乘工作日
从实际可用时间扣除运维值班、会议、支持、请假和并行项目，并考虑关键技能是否集中在一人。团队总容量充足，不代表数据库评审或安全审核的瓶颈资源有空。
缓冲应该保护不确定性
不要把每个任务都暗中加倍，也不要让管理层看到缓冲就自动压缩。可以在高风险任务、关键路径汇合处或整体交付层设置透明缓冲，说明它对应哪些已知不确定性以及何时释放。
定义计划的置信等级
| 阶段 | 可用证据 | 适合表达 |
|---|---|---|
| 概念阶段 | 粗范围与类似案例 | 宽区间、用于选择方向 |
| 方案明确 | 拆分、依赖和验证结果 | 目标窗口与主要风险 |
| 执行中 | 实际进度和剩余工作 | 滚动预测与置信度 |
进度更新看剩余风险，不只看完成百分比
“完成 80%”可能意味着简单部分都做完，最危险的集成仍未开始。更新时记录已完成证据、剩余工作、关键路径变化、新增风险和预测区间。让 AI 比对计划与事实，不能让它依据任务数量自动推断完成度。
建立重新估算触发器
范围变化、关键假设失败、依赖延期、资源调整或连续偏差达到阈值时，主动重估。重估不是失败，而是把新信息纳入决策。保留旧版本和变化原因，团队才能改进估算能力，而不是悄悄改日期。
把目标日期和预测日期分开
目标日期表达业务希望何时获得结果，预测日期表达基于当前证据最可能何时完成。两者不一致时，需要讨论减少范围、增加可用能力、改变顺序或接受风险，而不是要求估算“配合目标”。对外承诺还要考虑置信度与违约影响，不能直接把最乐观边界当成承诺日期。
用一个小案例串起估算
假设团队要在移动端增加批量导出。最初看像三个页面和一个接口，拆分后却发现还需要权限矩阵、异步任务、文件存储、通知、审计日志和旧客户端兼容。技术验证确认大数据量必须异步，安全评审又要求下载链接过期。此时估算应更新任务网络，而不是把新增工作塞进原来的“两周”。团队可以先交付小数据同步导出，随后补大数据异步能力，也可以保持完整范围并调整日期；这是一项产品取舍，不是 AI 能独自决定的计算题。
记录估算误差的类型
项目结束后比较预测与实际，并把差异分成范围遗漏、工作量判断、等待时间、资源中断、质量返工和突发事件。若所有偏差都归为“执行不够快”，下一次不会进步。让 AI 汇总多项目模式时，应使用可比口径，并保护人员数据，避免把估算复盘变成个人排名。
AI 辅助估算流程
- 输入脱敏的范围、约束、团队容量和历史案例。
- 让 AI 先列歧义、遗漏、依赖和高未知区域。
- 共同拆分工作并明确完成证据。
- 由实际执行者估工作量与区间，AI 只辅助校验。
- 建立依赖网络、关键路径、缓冲与置信度。
- 按真实进展滚动更新，并记录每次偏差原因。
可直接使用的提示词
“你是项目估算助手。只能依据编号材料。先写交付边界、完成标准、约束和待确认问题；随后拆分工作，标出负责人技能、工作量区间、前置依赖、外部等待和验证证据。区分工作量、持续时间与日历时间，识别关键路径和瓶颈资源。禁止直接给单点日期或虚构生产率。最后列出乐观、较可能、悲观情形的假设、触发重新估算的条件和需要补充的数据。”
排期发布前检查
- 所有人估算的是同一完成标准吗？
- 外部依赖是否得到对方确认？
- 关键路径和瓶颈技能是否清楚？
- 日期是否带范围、假设与置信度？
- 探索性未知是否先安排验证？
- 计划变化是否有重新估算规则？
AI 可以让排期讨论更完整，却不能替团队拥有经验，也不能凭空消除未知。好的估算不是永远命中一个日期，而是随着证据变化仍能解释预测、尽早暴露风险，并帮助负责人做出取舍。
本文为读懂 AI 原创内容。使用内部工时、人员、客户和供应商资料时，请遵守组织的数据权限、隐私和保密要求。
